Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Détection par densité locale (LOF)
Méthode basée sur la comparaison de la densité locale d'un point avec celle de ses voisins pour identifier les outliers.
Isolation Forest
Algorithme d'ensemble qui isole les observations en construisant des arbres de décision aléatoires pour détecter les anomalies.
Autoencodeurs pour anomalies
Réseaux de neurones qui apprennent à reconstruire les données normales et identifient les anomalies par erreur de reconstruction élevée.
One-Class SVM
Machine à vecteurs de support qui apprend une frontière de décision autour des données normales pour détecter les outliers.
Détection d'anomalies en série temporelle
Techniques spécialisées pour identifier les patterns inhabituels dans les données séquentielles temporelles.
Détection d'anomalies multivariées
Identification d'observations anormales basée sur les relations complexes entre multiples variables simultanément.
Détection par clustering (DBSCAN)
Utilisation d'algorithmes de clustering où les points n'appartenant à aucun cluster sont considérés comme des anomalies.
Détection en flux de données
Méthodes en temps réel pour identifier les anomalies dans les données arrivant continuellement sans stockage complet.
GANs pour détection d'anomalies
Réseaux antagonistes génératifs utilisés pour modéluler la distribution normale et détecter les échantillons improbables.
Détection d'anomalies en graphes
Identification de nœuds, arêtes ou sous-graphes inhabituels dans des structures de données relationnelles.
Détection d'anomalies contextuelles
Détection d'observations anormales uniquement dans un contexte spécifique, basée sur les conditions environnementales.
Détection d'anomalies collectives
Identification de groupes d'observations qui sont collectivement anormales même si individuellement normales.
Méthodes statistiques robustes
Approches basées sur des statistiques résistantes aux outliers comme les médianes ou les quantiles robustes.
Détection d'anomalies en haute dimension
Techniques spécialisées pour gérer la malédiction de la dimensionnalité dans la détection d'outliers multivariés.
Apprentissage semi-supervisé pour anomalies
Approches combinant données étiquetées et non étiquetées pour améliorer la détection d'anomalies avec peu d'exemples.